Waarom blijven ervaren developers nodig als AI de code schrijft?

De rol van de developer verandert, maar wordt niet kleiner.

Het is een logische gedachtesprong. Als AI de code genereert, documentatie schrijft en tests maakt, wat doet een developer dan nog? Kun je dan niet met minder mensen toe? Of met mensen die minder ervaring hebben?

Het antwoord is nee. Niet als je kwaliteit, samenhang en verantwoordelijkheid wilt borgen. In deze blog leggen we uit waarom de rol van de ervaren developer juist verandert zodra AI een groter deel van het uitvoerende werk overneemt.

De rol van een ervaren developer verandert wel door AI. Het uitvoerende werk, zoals code schrijven, documentatie opstellen en testcases uitwerken, neemt AI grotendeels over. Maar alles wat vóór en ná dat werk zit, wordt juist belangrijker.

AI genereert code. Iemand moet bepalen welke.

Dit is het fundamentele punt dat vaak wordt gemist: AI genereert code op basis van instructies. De kwaliteit van de output hangt direct af van de kwaliteit van de sturing.

Vraag AI om een functie te schrijven met een vage omschrijving, en je krijgt een plausibele implementatie die misschien niet doet wat je bedoelde. Vraag diezelfde AI om een functie te schrijven met een precieze omschrijving van het gewenste gedrag, de randgevallen, de voorwaarden en de manier waarop het past in de bredere architectuur, en je krijgt een implementatie die je kunt vertrouwen.

Het formuleren van die precieze instructie is vakwerk. Het vraagt kennis van het domein, van de codebase, van de architectuur en van de risico’s. Een ervaren developer herkent eerder wanneer context ontbreekt, aannames niet kloppen of een oplossing technisch wel werkt maar niet past.

Voor minder ervaren developers verschuift de leercurve daardoor: zij moeten niet alleen leren bouwen, maar ook leren om scope, architectuur en kwaliteit steeds beter te beoordelen.

AI maakt het codeerwerk sneller. De developer wordt daardoor niet overbodig, maar goede sturing wordt wel belangrijker.

Architectuur bepaalt alles

Architectuur bepaalt voor een groot deel wat daarna komt. Hoe wordt de applicatie opgedeeld? Hoe communiceren onderdelen met elkaar?

AI kan architectuurpatronen voorstellen en uitleggen. Maar bepalen welke structuur past bij jouw applicatie, team en toekomstplannen vraagt om menselijke afweging. Een beslissing die ervaring vraagt, kennis van alternatieven en begrip van de context.

Slechte architectuur plus AI is een risicovolle combinatie. Met AI kun je nu immers in uren of dagen opbouwen wat vroeger maanden kostte. Dat geldt ook voor een verkeerd fundament. Een ervaren architect is in een AI-ondersteund traject daarom de sleutel.

.

Wie herkent wat er misgaat?

AI-gegenereerde code kan er goed uitzien en logisch klinken, maar toch subtiel afwijken van wat bedoeld was. AI mist soms context die niet expliciet in de instructie stond. Ook kan het patronen toepassen die elders goed werken, maar in jouw situatie juist problemen opleveren. En het kent niet vanzelf de impliciete afspraken en aannames binnen een codebase.

Daarom wil je AI niet alleen code laten maken, maar die code ook zoveel mogelijk zelf laten testen en controleren. Dat vraagt wel om de juiste context, testmiddelen en duidelijke criteria. Zo sluit je de verificatielus steeds verder. Menselijke beoordeling blijft nodig om te bepalen of de uitkomst technisch klopt én past bij wat de organisatie nodig heeft.

AI versnelt het bouwen. Een ervaren developer zorgt dat je het juiste bouwt.

De leercurve naar effectief AI-gebruik

Er is nog een praktische realiteit: niet elke developer gebruikt AI even effectief. Zeker niet in het begin.

Effectief werken met AI is een vaardigheid. Je leert welke aanwijzingen werken, hoe je context geeft, hoe je de output beoordeelt en hoe je productief itereert. Een developer die daarin geoefend is, haalt uit een uur AI-werk veel meer dan iemand die er voor het eerst mee werkt.

Dat heeft een implicatie voor de samenstelling van teams. De productiviteitswinst van AI is het grootst bij ervaren developers die AI goed hebben leren inzetten. Niet door ervaren developers te vervangen door minder ervaren developers met AI-toegang. Het ene is een versneller; het andere is een risico.

Wat wél verandert

De verhouding tussen soorten werk verschuift. Minder tijd gaat naar het mechanische schrijfwerk; meer tijd gaat naar sturing, architectuur en review. Werk dat vroeger grotendeels door juniors werd gedaan, wordt nu deels door AI overgenomen.

Dat kan betekenen dat teams anders worden samengesteld: soms kleiner, maar vooral met een andere verdeling van het werk. Meer inzet van ervaren developers voor de strategische en kwalitatieve taken. AI voor het uitvoerende werk. Zo kan hetzelfde team meer werk verzetten zonder in te leveren op kwaliteit.

Zo pakken wij dit aan

Bij applicatiemodernisering zetten we AI in waar het werk versnelt: bij analyse, codegeneratie, documentatie en testen. Ervaren developers bepalen de richting, bewaken de architectuur en beoordelen de uitkomst. Zo versnelt AI het werk zonder dat je grip verliest op kwaliteit en samenhang.

In het volgende deel gaan we in op de vraag die bij kritische applicaties altijd snel opkomt: hoe moderniseer je een app zonder dat het werk stilvalt?